图像融合中关键技术的研究

论文摘要

图像边缘检测和图像配准是图像融合的关键步骤和必要前提。本文对图像的边缘检测和图像配准技术进行研究,把一些新的算法运用到图像边缘检测和图像配准中,为后续序列图像处理和图像融合做准备。边缘特征是图像中非常重要且容易获得的特征,已经有很多边缘提取的算法,例如sobel算子、canny算子、Log算子等。但这些算法对噪声比较敏感,虽然改进的canny算子有了很大的提高,能提取出比较清晰的边缘,并具有一定的抗噪性,但是算法检测速度较慢,不能用于序列图像处理中。为了寻找具有检测速度快、抗噪性强、检测精度高以及边缘细节保护好的检测算法,本文把集对分析和联系度态势的思想用到图像的边缘检测中。先用集对的方法求出像素点八个方向的同一度、对立度和差异度,再用联系度态势的思想把像素点的同异反关系按同势、均势、反势的趋势进行排序,然后根据像素点的趋势关系来判别该点是否是边缘点。另外有些图像不仅对比度差,而且图像的边缘轮廓也较模糊,所以在进行图像的边缘提取之前可以先对图像进行灰度变换,增加图像的对比度和突出图像的边缘特征。仿真结果表明此算法不仅得到了较好的边缘,而且算法的检测速度也较快。图像配准的方法有很多种,其中基于图像特征的图像配准是配准中最常见的方法。基于特征的图像配准中,特征主要针对点特征。为了得到一种配准速度较快的高配准率算法,本文用的是基于特征点的配准方法,即先用SUSAN算子来提取图像的特征点,再用PSO算法在解空间内搜索最佳匹配参数,然后进行图像的配准。在SUSAN算子中,灰度差阀值t决定了SUSAN算子所能检测到的最小的对比度以及去除噪声点的能力,本文对t值进行了改进,给出了一种对t值自适应的提取方法。PSO是一种新的并行优化算法,可以解决大量非线性、不可微、非连续性和多峰的复杂问题,但是该算法易陷入局部最优,会出现所谓的早收敛现象。为了克服PSO算法的缺点,提出了将Alopex算法加入到PSO算法的改进算法,这样有利于PSO算法在搜索中跳出局部极值,同时又能根据目标函数的变化加速算法的收敛。最后用一幅红外图像、微波图像和多光谱图像作为实例来验证此算法,分别在算法的迭代步数、时间和准确度方面与ICP算法和改进前的PSO算法作比较,通过实验结果可以看出,本文实现的配准方法能对图像进行有效的配准。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题的研究背景和选题意义
• 1.1.1 图像边缘检测的研究背景和选题意义
• 1.1.2 图像配准的研究背景和选题意义
• 1.2 国内外发展现状
• 1.2.1 图像边缘检测的研究概况
• 1.2.2 图像配准的研究概况
• 1.3 本文主要工作与内容安排
• 第二章 常见的边缘检测算子
• 2.1 引言
• 2.2 边缘的定义和要求
• 2.3 常见的边缘检测算子
• 2.3.1 Roberts 边缘检测算子
• 2.3.2 sobel 边缘检测算子
• 2.3.3 Prewitt 边缘检测算子
• 2.3.4 Krisch 边缘检测算子
• 2.3.5 高斯-拉普拉斯算子
• 2.4 Canny算子
• 2.5 常见边缘检测算子的检测结果
• 2.5.1 不加噪声图像的边缘检测结果
• 2.5.2 加噪声图像的边缘检测结果
• 2.5.3 结果比较与分析
• 第三章 基于联系度态势的图像边缘检测算法的研究
• 3.1 引言
• 3.2 图像灰度的线性变换
• 3.3 集对分析简介
• 3.4 联系度态势简介
• 3.5 实现图像的边缘检测
• 3.6 试验结果分析与比较
• 3.7 本章小结
• 第四章 图像配准的相关知识
• 4.1 引言
• 4.2 图像配准的数学模型
• 4.3 图像变换的类型
• 4.4 相似性测度
• 4.5 重采样和插值
• 4.6 SUSAN 角点提取算法
• 4.6.1 SUSAN 算子
• 4.6.2 SUSAN 算法的数学描述
• 4.6.3 改进的SUSAN 角点提取算法
• 4.6.4 测试图像试验结果
• 第五章 基于特征点的图像配准的研究
• 5.1 引言
• 5.2 粒子群算法简介
• 5.2.1 对参数的改进
• 5.3 改进的Alopex算法
• 5.4 用Alopex算法对PSO算法进行改进
• 5.5 实现图像配准
• 5.6 试验结果比较
• 5.7 本章小结
• 第六章 结束语
• 6.1 工作总结及创新点
• 6.2 研究目标及实验结论
• 6.3 不足之处
• 6.4 对今后的建议
• 致谢
• 参考文献
• 附录：作者在攻读硕士学位期间发表的论文